首先，我们来了解一下MapReduce中的必知概念
客户端（Client）：编写mapreduce程序，配置作业，提交作业，这就是程序员完成的工作；
1.JobTracker： JobTracker是一个后台服务进程，启动之后，会一直监听并接收来自各个 TaskTracker发送的心跳信息，包括资源使用情况和任务运行情况等信息。
作业控制：在hadoop中每个应用程序被表示成一个作业，每个作业又被分成多个任务，JobTracker的作业控制模块则负责作业的分解和状态监控。
状态监控：主要包括TaskTracker状态监控、作业状态监控和任务状态监控。主要作用：容错和为任务调度提供决策依据。
JobTracker只有一个，他负责了任务的信息采集整理，你就把它当做包工头把，这个和采用Master/Slave结构中的Master保持一致
JobTracker 对应于 NameNode
一般情况应该把JobTracker部署在单独的机器上
2.TaskTracker：TaskTracker是JobTracker和Task之间的桥梁。TaskTracker与JobTracker和Task之间采用了RPC协议进行通信。
从JobTracker接收并执行各种命令：运行任务、提交任务、杀死任务等
将本地节点上各个任务的状态通过心跳周期性汇报给JobTracker，节点健康情况、资源使用情况，任务执行进度、任务运行状态等，比如说map task我做完啦，你什么时候让reduce task过来拉数据啊
TaskTracker是运行在多个节点上的slaver服务。TaskTracker主动与JobTracker通信，接收作业，并负责直接执行每一个任务。
TaskTracker都需要运行在HDFS的DataNode上
3.HDFS：保存作业的数据、配置信息等等，最后的结果也是保存在hdfs上面
NameNode： 管理文件目录结构，接受用户的操作请求,管理数据节点(DataNode)
DataNode：是HDFS中真正存储数据的
Block：是hdfs读写数据的基本单位，默认64MB大小，就是说如果你有130MB数据，那就要分成三个block，两个存放64MB，最后一个存放2MB数据，虽然最后一个block块是64MB，但实际上占用空间为2MB
4.Sencondary NameNode：它的目的是帮助 NameNode 合并编辑日志，减少 NameNode 启动时间，在文件系统中设置一个检查点来帮助NameNode更好的工作。它不是要取代掉NameNode也不是NameNode的备份。
1.input：也就是数据存储位置，这里当然是类似于hdfs这样的分布式存储啦，
2.split：因为map task只读split，而split基本上和hdfs的基本存储块block同样大小，一个split对应一个map，你可以把它当做map的单位块来理解，投喂进map的时候必须要这样的格式，打个比方，比如只收硬币的地铁站，你只能投放1元硬币的，你投什么五毛，一角的，都是犯法的！对，警察叔叔就是他！
3.map：这里做的是wordcount，而map程序是由程序原来编写的，如果非要用代码来写，我用python写你别打我
splitdata = 'Deer Bear River'
aftermap = map(lambda x:(x,1),splitdata.split(" "))
print aftermap三个map对应三组Split，我这里只取了其中一组，就是这么个意思，组成key/value键值对
4.shuffle：这是一个比较核心的过程，shuffle有洗牌的意思，这里的意思你把她理解成在拉斯维加斯赌场发牌的小姐姐，但是这个小姐姐并不是随机发牌，而是把红桃发给A先生，黑桃都发给B先生，诸如此类。如果非要说有什么套路，那么其中有一个HashPartitioner就帮我们做了hash，你把它想成低配版的聚类，狭义版聚类，因为这里的类特喵的必须是同一个key 啊！
5.reduce：既然都说了似wordcount了，那我，额，额，做戏做全套，我还是用python来写这个过程
shuffledata = [('Deer', 1),('Deer', 1),('River', 1)]
afterreduce_dict = {}
for i in shuffledata:
if i[0] not in afterreduce_dict:
afterreduce_dict[i[0]] = 0
afterreduce_dict[i[0]] +=1
print afterreduce_dict
